GitHub પૃષ્ઠો પર pkgdown

Gerald Girard

શનિવાર, 28 ડિસેમ્બર, 2024 એ 10:09:00 AM વાગ્યે

ShinyLive સાથે નોન-કોડર્સ માટે ઇન્ટરએક્ટિવિટી વધારવી

GitHub પૃષ્ઠો પર ડેટાસેટ્સ અને સહાયક કાર્યોને હોસ્ટ કરવું એ સંસાધનોને સુલભ બનાવવાની એક ઉત્તમ રીત છે. R સાથે કામ કરતા વિકાસકર્તાઓ માટે, ઇન્ટરેક્ટિવિટીના એકીકરણથી વપરાશકર્તાની સંલગ્નતામાં વધારો થઈ શકે છે, ખાસ કરીને તમારા ડેટાની શોધખોળ કરતા બિન-કોડર્સ માટે. ShinyLive આવી ક્રિયાપ્રતિક્રિયાને સીધી pkgdown વેબસાઇટમાં એમ્બેડ કરવા માટે વ્યવહારુ ઉકેલ પ્રદાન કરે છે.

R પેકેજો અથવા GitHub પેજીસમાં શાઇની એપ્સનો સમાવેશ કરવા માટે સંસાધનોની ઉપલબ્ધતા હોવા છતાં, શાઇનલાઇવને pkgdown વેબસાઇટ્સ સાથે અસરકારક રીતે સંયોજિત કરવા અંગે જ્ઞાનનો તફાવત રહે છે. કોઈ વ્યક્તિ ડેટાસેટ્સ અને હેલ્પર ફંક્શન્સ સાથે નાના R પેકેજોને જાળવી રાખે છે, તમે સંભવિતપણે ડેટા એક્સપ્લોરેશનને સાહજિક અને વપરાશકર્તા-મૈત્રીપૂર્ણ બનાવવાનું લક્ષ્ય રાખો છો. ShinyLive આ અંતરને પુરું કરી શકે છે.

તમારી pkgdown વેબસાઈટના "લેખ" વિભાગમાં એક ચમકદાર એપ્લિકેશનનો સમાવેશ R પેકેજ દસ્તાવેજીકરણને ઓવરલોડ કર્યા વિના ઇન્ટરેક્ટિવ સુવિધાઓ પહોંચાડવાની સુવ્યવસ્થિત રીત પ્રદાન કરે છે. આ પદ્ધતિ સુનિશ્ચિત કરે છે કે કોડિંગથી અજાણ્યા વપરાશકર્તાઓ પણ ડેટાને સરળતાથી સબસેટ અને વિઝ્યુઅલાઈઝ કરી શકે છે. તે વિકાસકર્તાઓ અને વપરાશકર્તાઓ માટે સમાન રીતે જીત-જીત છે! 🚀

દાખલા તરીકે, આરોગ્ય ડેટાસેટની કલ્પના કરો જ્યાં વપરાશકર્તાઓ વસ્તી વિષયક દ્વારા વસ્તીના ડેટાને ફિલ્ટર કરી શકે. ShinyLive નો ઉપયોગ કરીને, તમે આ એપ્લિકેશનને GitHub પૃષ્ઠો પર બનાવી શકો છો અને તેનો ઉપયોગ કરી શકો છો, ડેટાને ગતિશીલ રીતે ઍક્સેસિબલ બનાવી શકો છો. આ લેખ તમારા વર્તમાન એપ્લિકેશન સેટઅપ સાથે આ પગલું-દર-પગલાં કેવી રીતે પ્રાપ્ત કરવું તે શોધે છે. 🛠️

આદેશ	ઉપયોગનું ઉદાહરણ
selectInput	વિકલ્પો પસંદ કરવા માટે ડ્રોપડાઉન મેનૂ બનાવવા માટે ચમકદાર UI માં વપરાય છે. ઉદાહરણ: SelectInput("var", "Select Variable:", choices = names(mtcars)). આ ચલ પસંદગી માટે ડાયનેમિક યુઝર ઇનપુટને મંજૂરી આપે છે.
sliderInput	વપરાશકર્તાઓને મૂલ્યોની શ્રેણી પસંદ કરવા દેવા માટે શાઇનીમાં સ્લાઇડર ઇનપુટ વિજેટ બનાવે છે. ઉદાહરણ: સ્લાઇડરઇનપુટ("રેન્જ", "ફિલ્ટર રેન્જ:", મિનિટ = 0, મહત્તમ = 100, મૂલ્ય = c(25, 75)). ઇન્ટરેક્ટિવ ફિલ્ટરિંગ માટે આવશ્યક.
renderPlot	વપરાશકર્તાના ઇનપુટના આધારે ગતિશીલ રીતે પ્લોટ જનરેટ કરવા માટે શાઇની સર્વર લોજિકમાં વપરાય છે. ઉદાહરણ: આઉટપુટ$પ્લોટ
filter	A function from dplyr to subset data based on conditions. Example: filter(get(input$var) >શરતોના આધારે dplyr થી સબસેટ ડેટા સુધીનું કાર્ય. ઉદાહરણ: ફિલ્ટર(get(input$var)>= input$range[1]). ડેટાસેટ્સ પર વપરાશકર્તા-વ્યાખ્યાયિત ફિલ્ટર્સ લાગુ કરવા માટે ઉપયોગી.
aes_string	x અને y અક્ષ જેવા સૌંદર્ય શાસ્ત્રને પ્રોગ્રામેટિકલી સેટ કરવા માટે ggplot2 માં વપરાય છે. ઉદાહરણ: aes_string(x = input$var). ગતિશીલ પ્લોટ જનરેશન માટે આદર્શ.
geom_histogram	હિસ્ટોગ્રામ વિઝ્યુલાઇઝેશન બનાવવા માટે ggplot2 સ્તર. ઉદાહરણ: geom_histogram(bins = 10, fill = "વાદળી", રંગ = "સફેદ"). એપ્લિકેશનમાં વિતરણોને વિઝ્યુઅલાઈઝ કરવા માટે ઉપયોગી.
uses	ફરીથી વાપરી શકાય તેવી ક્રિયાઓનો ઉલ્લેખ કરવા માટે GitHub ક્રિયાઓમાં YAML સિન્ટેક્સ. ઉદાહરણ: uses: actions/checkout@v3. પૂર્વવ્યાખ્યાયિત વર્કફ્લો સાથે સીમલેસ એકીકરણની ખાતરી કરે છે.
shinylive.js	બ્રાઉઝરમાં ચમકદાર એપ્સ ચલાવવા માટે JavaScript લાઇબ્રેરી. ઉદાહરણ: . સ્થિર HTML પૃષ્ઠોમાં ચમકદાર એપ્લિકેશન્સને એમ્બેડ કરવાનું સક્ષમ કરે છે.
Shinylive.App	ઉલ્લેખિત HTML કન્ટેનરમાં એક ShinyLive એપ્લિકેશન શરૂ કરે છે અને ચલાવે છે. ઉદાહરણ: const app = new Shinylive.App("#shiny-app");. બ્રાઉઝર-આધારિત એપ્લિકેશન કાર્યક્ષમતા પ્રદાન કરે છે.
sliderInput	આંકડાકીય શ્રેણી પસંદગી માટે સ્લાઇડર ઇનપુટ બનાવે છે. ઉદાહરણ: સ્લાઇડરઇનપુટ("રેન્જ", "ફિલ્ટર રેન્જ:", મિનિટ = 0, મહત્તમ = 100, મૂલ્ય = c(25, 75)). વપરાશકર્તાઓ માટે ગતિશીલ શ્રેણી ફિલ્ટરિંગ ઉમેરે છે.

Shinylive સાથે ઇન્ટરેક્ટિવ ડેટા એક્સપ્લોરેશન ટૂલ્સ બનાવવું

R અને Shiny નો ઉપયોગ કરીને બનેલ પ્રથમ સ્ક્રિપ્ટ, ડાયનેમિક ઈન્ટરફેસ બનાવવા પર ધ્યાન કેન્દ્રિત કરે છે જે વપરાશકર્તાઓને ડેટાસેટ્સને ઇન્ટરેક્ટિવ રીતે અન્વેષણ કરવાની મંજૂરી આપે છે. આ ઇનપુટ પસંદ કરો વપરાશકર્તાઓને તેમની જરૂરિયાતોને અનુરૂપ એપ્લિકેશનને ગતિશીલ રીતે ડ્રોપડાઉન મેનૂમાંથી ચલો પસંદ કરવા સક્ષમ કરવા માટે આદેશ આવશ્યક છે. સાથે જોડી બનાવી છે સ્લાઇડરઇનપુટ, વપરાશકર્તાઓ ડેટા ફિલ્ટર કરવા માટે મૂલ્યોની ચોક્કસ શ્રેણી પસંદ કરીને તેમના સંશોધનને વધુ શુદ્ધ કરી શકે છે. દાખલા તરીકે, જેમ કે ડેટાસેટમાં mtcars, વપરાશકર્તાઓ ચલ તરીકે "mpg" પસંદ કરી શકે છે અને 20 અને 30 ની વચ્ચે માઇલેજ ધરાવતી કારને અલગ કરવા માટે સ્લાઇડરનો ઉપયોગ કરી શકે છે. આ સંયોજન વપરાશકર્તા-મૈત્રીપૂર્ણ અને સાહજિક ઇન્ટરફેસની ખાતરી કરે છે. 🚀

સર્વર-સાઇડ લોજિક વપરાશકર્તા ઇનપુટ્સ પર આધારિત પ્રતિક્રિયાત્મક આઉટપુટ જનરેટ કરીને UI ને પૂરક બનાવે છે. અહીં, ધ રેન્ડરપ્લોટ કાર્ય નિર્ણાયક છે - તે ફિલ્ટર કરેલ ડેટાસેટ પર પ્રક્રિયા કરે છે અને ફ્લાય પર ગતિશીલ વિઝ્યુલાઇઝેશન જનરેટ કરે છે. dplyr નું એકીકરણ ફિલ્ટર ફંક્શન ડેટાસેટના સીમલેસ સબસેટિંગની મંજૂરી આપે છે, જ્યારે ggplot2 geom_histogram દૃષ્ટિની આકર્ષક અને માહિતીપ્રદ પ્લોટની ખાતરી કરે છે. આરોગ્ય ડેટાસેટની કલ્પના કરો જ્યાં વપરાશકર્તા વય શ્રેણીને ફિલ્ટર કરી શકે અને આરોગ્ય મેટ્રિક્સનું વિતરણ તરત જ જોઈ શકે-આ સ્ક્રિપ્ટ વિકાસકર્તાઓ માટે ન્યૂનતમ પ્રયત્નો સાથે આવી ક્રિયાપ્રતિક્રિયા શક્ય બનાવે છે.

બીજી સ્ક્રિપ્ટ GitHub ક્રિયાઓનો ઉપયોગ કરીને સ્વચાલિત જમાવટ પર ધ્યાન કેન્દ્રિત કરે છે. આ ખાસ કરીને pkgdown વેબસાઇટ્સને અસરકારક રીતે જાળવવા અને અપડેટ કરવા માટે મહત્વપૂર્ણ છે. એનો ઉપયોગ કરીને deploy-app.yaml ફાઇલ, તમે અપડેટ્સ પુશ કરવાની અને ShinyLive એપ્લિકેશનને જમાવવાની પ્રક્રિયાને સ્વચાલિત કરી શકો છો. જેવા કી આદેશો actions/checkout@v3 ખાતરી કરો કે રીપોઝીટરીમાંથી નવીનતમ કોડનો ઉપયોગ થાય છે, જ્યારે Shinylive-વિશિષ્ટ સેટઅપ વર્કફ્લોમાં એકીકૃત રીતે એકીકૃત થાય છે. ઉદાહરણ તરીકે, તમારી એપ્લિકેશનને નવા ફિલ્ટર્સ અથવા સુવિધાઓ સાથે અપડેટ કરવાની કલ્પના કરો—આ ઓટોમેશન ખાતરી કરે છે કે ફેરફારો તરત જ ઑનલાઇન પ્રતિબિંબિત થાય છે, સમય બચાવે છે અને મેન્યુઅલ ભૂલો ઘટાડે છે. ⚙️

ત્રીજા સોલ્યુશનમાં ચમકદાર એપ્લિકેશનને સ્થિર HTML ફાઇલમાં લપેટીને સામેલ કરવામાં આવે છે. ઉપયોગ કરીને shinylive.js, વિકાસકર્તાઓ સક્રિય R સર્વરની જરૂરિયાતને બાયપાસ કરીને સીધા જ તેમની pkgdown વેબસાઇટમાં એપ્લિકેશનને એમ્બેડ કરી શકે છે. આ પદ્ધતિ R ઇન્સ્ટોલ કર્યા વિના વપરાશકર્તાઓ માટે એપ્લિકેશનને ઍક્સેસિબલ બનાવે છે, ઍક્સેસિબિલિટીને વધારે છે. દાખલા તરીકે, શિક્ષક વિદ્યાર્થીઓ સાથે વસ્તી ડેટા પર એક ઇન્ટરેક્ટિવ એપ્લિકેશન શેર કરી શકે છે, જેઓ તેને તેમના બ્રાઉઝરમાંથી સીધા જ અન્વેષણ કરી શકે છે. આ ઉકેલ ખાસ કરીને બિન-કોડર્સ માટે મૂલ્યવાન છે, કારણ કે તે જટિલ ડેટાસેટ્સને આકર્ષક અને શૈક્ષણિક અનુભવમાં પરિવર્તિત કરે છે. 🌐

Shinylive નો ઉપયોગ કરીને pkgdown વેબસાઈટમાં ચમકદાર એપ એમ્બેડ કરવી

ઉકેલ 1: ફ્રન્ટએન્ડ અને બેકએન્ડ એકીકરણ માટે Shinylyve સાથે R

# app.R
# Load necessary libraries
library(shiny)
library(dplyr)
library(ggplot2)

# UI definition
ui <- fluidPage(
  titlePanel("Interactive Data Viewer"),
  sidebarLayout(
    sidebarPanel(
      selectInput("var", "Select Variable:",
                  choices = names(mtcars)),
      sliderInput("range", "Filter Range:",
                  min = 0, max = 100, value = c(25, 75))
    ),
    mainPanel(plotOutput("plot"))
  )
)

# Server logic
server <- function(input, output) {
  output$plot <- renderPlot({
    data <- mtcars %>%
      filter(get(input$var) >= input$range[1],
             get(input$var) <= input$range[2])
    ggplot(data, aes_string(x = input$var)) +
      geom_histogram(bins = 10, fill = "blue", color = "white")
  })
}

# Run the app
shinyApp(ui, server)

GitHub ક્રિયાઓનો ઉપયોગ કરીને Shinylive જમાવવું

ઉકેલ 2: GitHub ક્રિયાઓ અને Shinylive સાથે સ્વચાલિત જમાવટ

# deploy-app.yaml
# Workflow configuration
name: Deploy ShinyLive App

on:
  push:
    branches:
      - main

jobs:
  deploy:
    runs-on: ubuntu-latest

    steps:
    - name: Checkout repository
      uses: actions/checkout@v3

    - name: Set up R
      uses: r-lib/actions/setup-r@v2

    - name: Install dependencies
      run: |
        Rscript -e "install.packages(c('shiny', 'shinylive'))"

    - name: Deploy app
      uses: posit-dev/r-shinylive@actions-v1
      with:
        app-dir: ./

શાઇની એપ માટે સ્ટેટિક HTML રેપર ઉમેરવું

ઉકેલ 3: pkgdown એકીકરણ માટે સ્થિર HTML માં ચમકદાર એપ્લિકેશનને વીંટાળવી

< !-- index.html -->
<!DOCTYPE html>
<html>
<head>
  <title>Interactive Shiny App</title>
  <script src="shinylive.js"></script>
</head>
<body>
  <div id="shiny-app"></div>
  <script>
    const app = new Shinylive.App("#shiny-app");
    app.run();
  </script>
</body>
</html>

ShinyLive સાથે pkgdown વેબસાઇટ્સ માટે ઍક્સેસિબિલિટી અને પ્રદર્શનને વધારવું

ઉપયોગ કરવાનો એક શક્તિશાળી ફાયદો શાઇનીલાઇવ સક્રિય R સર્વર પર આધાર રાખ્યા વિના એકલ ક્રિયાપ્રતિક્રિયાને સક્ષમ કરવાની તેની ક્ષમતા છે. આ GitHub પૃષ્ઠો જેવા સ્ટેટિક પ્લેટફોર્મ્સ પર એપ્સને હોસ્ટ કરવા માટે યોગ્ય બનાવે છે. પરંપરાગત શાઇની એપ્લિકેશનોથી વિપરીત કે જેને સતત સર્વર સપોર્ટની જરૂર હોય છે, ShinyLive તમારી એપ્લિકેશનને સ્વયં-સમાયેલ JavaScript બંડલમાં રૂપાંતરિત કરે છે. આ બંડલને તમારી pkgdown વેબસાઈટમાં સીધું જ એમ્બેડ કરી શકાય છે, જેનાથી વપરાશકર્તાઓ કોઈપણ બ્રાઉઝરથી તમારા ડેટાસેટ્સનું અન્વેષણ કરી શકે છે. ઉદાહરણ તરીકે, જો તમારા R પેકેજમાં એર ક્વોલિટી મેટ્રિક્સના ડેટાસેટનો સમાવેશ થાય છે, તો વપરાશકર્તાઓ કોઈપણ વધારાના સોફ્ટવેરને ઇન્સ્ટોલ કર્યા વિના ડેટાને ગતિશીલ રીતે ફિલ્ટર અને વિઝ્યુઅલાઈઝ કરી શકે છે. 🌍

અન્ય લાભ તેની અનુકૂલનક્ષમતા છે બિન-કોડર્સ. ડ્રોપડાઉન અને સ્લાઇડર્સ જેવી સુવિધાઓનો સમાવેશ કરીને, તમે એવું વાતાવરણ બનાવો છો કે જ્યાં કોઈપણ તમારા ડેટા સાથે ક્રિયાપ્રતિક્રિયા કરી શકે. દાખલા તરીકે, હેલ્થ પ્રોફેશનલ કોડની એક લીટી લખવાની જરૂર વગર વય જૂથો અથવા પ્રદેશો પસંદ કરીને વસ્તી ડેટાની તપાસ કરી શકે છે. ShinyLive અને GitHub પૃષ્ઠોનું સંયોજન સુનિશ્ચિત કરે છે કે આ ઇન્ટરેક્ટિવ સુવિધાઓ સરળતાથી સુલભ અને સાહજિક છે, જે તમારા પ્રોજેક્ટને વ્યાપક પ્રેક્ષકો માટે અત્યંત પ્રભાવશાળી બનાવે છે. 🧩

વધુમાં, ShinyLive એપ ચલાવવા માટે જરૂરી સંસાધનોને ઑપ્ટિમાઇઝ કરીને તમારી pkgdown વેબસાઇટના પ્રદર્શનને વધારે છે. સમગ્ર તર્ક JavaScript માં કમ્પાઇલ કરેલ હોવાથી, એપ્લિકેશનો ઝડપથી લોડ થાય છે અને સરળ ક્રિયાપ્રતિક્રિયા પ્રદાન કરે છે. આ ખાસ કરીને મોટા ડેટાસેટ્સનું પ્રદર્શન કરવા માટે ઉપયોગી છે, જ્યાં રેન્ડરિંગ પ્લોટ અથવા ફિલ્ટર્સ લાગુ કરવાથી અન્યથા વિલંબ થઈ શકે છે. પરિણામ એ વ્યાવસાયિક-ગ્રેડનો વપરાશકર્તા અનુભવ છે જે આધુનિક વેબ ધોરણો અને ઍક્સેસિબિલિટી અપેક્ષાઓ સાથે સંરેખિત થાય છે. 🚀

pkgdown વેબસાઇટ્સ પર ShinyLive ના ઉપયોગ વિશે વારંવાર પૂછાતા પ્રશ્નો

હું pkgdown વેબસાઈટમાં ચમકદાર એપ્લિકેશન કેવી રીતે એમ્બેડ કરી શકું?
તમે ઉપયોગ કરી શકો છો ShinyLive તમારી ચમકદાર એપ્લિકેશનને JavaScript બંડલમાં કન્વર્ટ કરવા અને તેને માં એમ્બેડ કરવા માટે Articles તમારી pkgdown વેબસાઇટનો વિભાગ.
શું ShinyLive એપ્સ માટે લાઈવ R સર્વર હોવું જરૂરી છે?
ના, ShinyLive એપ્સ એકલ છે અને સક્રિય R સર્વરની જરૂર વગર સીધા જ બ્રાઉઝરમાં ચાલી શકે છે.
જ્યારે હું GitHub માં ફેરફારોને દબાણ કરું ત્યારે શું હું એપ્લિકેશનને આપમેળે અપડેટ કરી શકું?
હા, તમે ઉપયોગ કરી શકો છો GitHub Actions જમાવટ આપોઆપ કરવા માટે. જેવો વર્કફ્લો deploy-app.yaml તમારા માટે આ સંભાળી શકે છે.
હું કયા પ્રકારની વપરાશકર્તા ક્રિયાપ્રતિક્રિયાઓનો સમાવેશ કરી શકું?
જેવી સુવિધાઓ ઉમેરી શકો છો selectInput ડ્રોપડાઉન માટે અને sliderInput તમારી એપ્લિકેશનને અત્યંત ઇન્ટરેક્ટિવ બનાવવા માટે સંખ્યાત્મક શ્રેણીઓ માટે.
શું ShinyLive નોન-કોડર્સ માટે યોગ્ય છે?
ચોક્કસ! ShinyLive બિન-કોડર્સને ઇન્ટરેક્ટિવ વિજેટ્સ દ્વારા ડેટાનું અન્વેષણ કરવાની મંજૂરી આપે છે, જે તેને ઍક્સેસિબિલિટી માટે એક શ્રેષ્ઠ સાધન બનાવે છે.

ઇન્ટરેક્ટિવ ડેટા એક્સપ્લોરેશન સરળ બનાવ્યું

ShinyLive pkgdown વેબસાઇટ્સમાં ઇન્ટરેક્ટિવિટીને એકીકૃત કરવા માટે વપરાશકર્તા-મૈત્રીપૂર્ણ ઉકેલ પૂરો પાડે છે. ચમકદાર એપ્લિકેશન્સને બ્રાઉઝર-તૈયાર JavaScript બંડલ્સમાં પરિવર્તિત કરીને, તે તમામ કૌશલ્ય સ્તરના વપરાશકર્તાઓ માટે આકર્ષક ડેટા વિઝ્યુલાઇઝેશનના દરવાજા ખોલે છે. ઉદાહરણ તરીકે, વસ્તી વિષયક પરના ડેટાસેટને સરળ ડ્રોપડાઉન મેનુ અને સ્લાઇડર્સ વડે શોધી શકાય છે. 🌟

GitHub ક્રિયાઓ સાથે ShinyLive નું સંયોજન જમાવટ પ્રક્રિયાને સુવ્યવસ્થિત કરે છે, ખાતરી કરો કે તમારી વેબસાઇટ વિના પ્રયાસે અપ-ટૂ-ડેટ રહે છે. ભલે તમે ડેવલપર હો કે ડેટા પ્રોફેશનલ, આ અભિગમ ટેકનિકલ સામગ્રી અને સાહજિક વપરાશકર્તા અનુભવ વચ્ચેના અંતરને દૂર કરે છે, તમારી ડેટા વાર્તાઓને વેબ બ્રાઉઝરમાં જીવંત બનાવે છે. 📊

સંસાધનો અને સંદર્ભો

સામગ્રી અને ઉદાહરણો સત્તાવાર ShinyLive દસ્તાવેજીકરણ અને ટ્યુટોરિયલ્સ દ્વારા પ્રેરિત હતા. વધુ વિગતો માટે, મુલાકાત લો ShinyLive પરિચય .
ડિપ્લોયમેન્ટ વર્કફ્લો માંથી સ્વીકારવામાં આવે છે ShinyLive GitHub રીપોઝીટરી , જેમાં નમૂના GitHub ક્રિયાઓ વર્કફ્લો અને એકીકરણ ટિપ્સનો સમાવેશ થાય છે.
pkgdown એકીકરણ વ્યૂહરચના દ્વારા માર્ગદર્શન આપવામાં આવ્યું હતું pkgdown દસ્તાવેજીકરણ , જે R પેકેજો માટે દસ્તાવેજીકરણ વેબસાઇટ્સ બનાવવા અને મેનેજ કરવા માટે આંતરદૃષ્ટિ પ્રદાન કરે છે.
પર જીવંત ઉદાહરણનું અન્વેષણ કરવાથી વધારાની પ્રેરણા મળી SC વસ્તી GitHub પૃષ્ઠ , જે pkgdown માં ShinyLive ની વાસ્તવિક દુનિયાની એપ્લિકેશન દર્શાવે છે.

GitHub પૃષ્ઠો પર pkgdown વેબસાઇટમાં ShinyLive એપ્સને એકીકૃત કરવી